Corso di Apprendimento Automatico: Reti Neurali e Metodi Avanzati (AA2)  
AA. 2010/2011, 2011/2012 e 2012/2013 - Secondo semestre
Laurea Magistrale in Informatica. UniPi.
Alessio Micheli

Sito ufficiale del corso: Sito AA2 - Laurea Magistrale in Informatica - 2012/13



Breve descrizione del corso:
Il corso di AA2 si colloca tra i corsi avanzati per la specializzazione in Machine Learning e Computational Intelligence.
Lo scopo principale riguarda:
  - il trattamento di dati e problemi complessi.
  - l'analisi di strumenti e modelli di apprendimento automatico e reti neurali non tradizionali considerando l'estensione a dati non vettoriali, sequenze e strutture (alberi e grafi) a dimensione variabile.
  - l'introduzione a modeli ricorrenti in ambito neurale (RNN) e generativo e a modelli avanzati basati su kernel.
  - il design di modelli avanzati di Machine Learning (con enfasi alla sinergia tra lo sviluppo di nuovi strumenti e il modellamento di applicazioni interdisciplinari innovative).

Una particolare enfasi verra' posta sull'applicazione di tali modelli a problemi reali nelle Scienze Naturali cosi come all'introduzione di temi di ricerca.

I contenuti intendono fornire una base metodologica e strumenti adattivi per il trattamento di dati complessi tipici (a titolo di esempio) delle aree dell'elaborazione del linguaggio, della visione, dell'elaborazione di segnali, della robotica e del controllo, della bioinformatica, della cheminformatica, dell'analisi di testi e documenti web, del trattamento di processi dinamici in sistemi interattivi.
Sono di particolare interesse per una specializzazione nelle tematiche del Machine Learning volta alla costruzione di nuovi modelli e applicazioni interdisciplinari innovative.

Il nuovo programma dettagliato per AA2 dell'anno in corso e` rilasciato a lezione:
per maggiori informazioni contattare Alessio Micheli (micheli@di.unipi.it)

- Slides della presentazione del corso (2 Maggio 2011): PDF di AA2 oppure vedi in PDF di AA2 (renewed)
- NEW: Slides 2016 for AA2-CNS (24 May 2016): PDF AA2-CNS course presentation

Programma indicativo:
Si osservi che il corso *non reintroduce* paradigmi specifici (gia trattati nel corso di AA1) ma ne riprende alcuni di base del Machine Learning (tra cui i neurali, a kernel, e probabilistici) per studiare nel loro ambito, in modo paradigmatico, il design di modelli avanzati.

Il programma includera' (ma non e' ristretto a) le seguenti classi di metodologie:

- Modelli e teoria delle reti neurali ricorrenti (dinamiche), Algoritmi di apprendimento: BPTT, RTRL.
- Reservoir computing (analisi critica)
- Hidden Markov Models
- Metodi basati su Kernel per non-vectorial data
- Unsupervised learning per dati complessi
- Cenni di approcci sintattici e simbolici
- Applicazioni interdisciplinari con enfasi a Bioinformatics e Cheminformatics

Seguiremo un approccio incrementale che a partire da modeli per il trattamento di strutture sequenziali (e.g. serie temporali e sequenze discrete) mostera' l'estensione dei metodi a domini piu' complessi.
I casi di studio applicativi mostreranno in modo paradigmatico la creazione di modelli funzionali ai problemi in analisi.




Avvisi: nessuno

PIANI DI STUDI: Contattarmi via email per suggerimenti sui piani di studi in area Apprendimento Automatico / Intelligenza Computazionale (fissando un appuntamnto).


Alessio Micheli. E-mail: micheli@di.unipi.it



PAGINA GENERALE DIDATTICA: Corsi di Reti Neurali e Apprendimento Automatico

What is Machine Learning? Vedi Lista di riferimenti introduttivi

Alessio Micheli. Link to Home page.
Ricerche di Articoli, e.g.: CiteSeer